这次不忽悠:3个成功案例告诉你,开一家AI公司其实不难

CNET科技行者 9月6日 北京消息:之前拆解了《忽悠VC指南,假装成一名人工智能专家的正确姿势》。这次,我们不忽悠 ,玩真的,带来升级版的“AI公司”速成攻略,并附上3个成功案例,揭露企业开创人工智能领域业务的三大方式。

这次不忽悠:3个成功案例告诉你,开一家AI公司其实不难

文/Quentin Hardy

人工智能(AI)的时代即将到来,这是毫无争议的。从我们身边的事物,自动驾驶汽车、智能手机以及乘坐的飞机等等,未来都将充满人工智能的影子。不仅如此,人工智能的在线搜索能力、交谈和翻译功能,以及图像识别等技术,在我的公司Alphabet,同等重要。

但现在更多的思考是在于,人工智能将以何种方式,在工业和社会领域,有多广泛的应用。有很多公司,包括微软和亚马逊在内的公司都已经提供人工智能工具。像我工作所在的Google Cloud公司,很快会将这些工具进行线上销售,以便为云计算提供服务。当然,现在也有很多其他可用于商业的人工智能产品,例如IBM公司的Watson,或是其他来自新兴供应商的软件服务。

AI看上去十分“甜蜜可口”,以至于让当下很多企业想加入,尤其是那些借机想在人工智能上炒作一番的商人——的确有不少,但这并非玩笑。但凡身处AI行业的参与者都应该用意图和行动提醒他们,人工智能这一新技术所具有的重要性。

由于人工智能技术对我们来说,既熟悉又陌生,所以这不是简单的事情。从本质上而言,算法和计算致力于发掘新的模式,而在人类的历史中,这是由科学、技术、市场和人文艺术所完成的。

奇怪的地方是,今天的人工智能技术是如何工作的,例如如何构建模式的子程序和其它模式的模式循环、如何多层次地对自己进行训练(而这些层必须通过非常大量的计算才能实现)。可能这是第一次,我们发明了一台不容易获得解释的机器。

面对这样的技术进步,视而不见并不是一个很好的策略。那么,问题就变成:一个没有参与打造人工智能的公司,应该如何考虑利用人工智能?事实上,在早期阶段,部分企业就曾采用人工智能技术,取得成功实践,并提供以下几个会有帮助的经验Tips:

1、Find and own valuable data no one else has. (找到并且拥有其他人没有的有价值的数据)
2、Take a systemic view of your business, and find data adjacencies. (对您的企业有系统的认知,并且寻找数据连接)
3、Package AI for the customer experience.(为您的客户体验提供人工智能)

获取稀缺数据 Capture the Scarce Data

CAMP3是一家仅有26人的公司,总部设在佐治亚州的阿尔法利塔,公司致力于部署和管理农业无线传感器网络。该公司还接受委托,出售Google公司的G Suite电子邮件和合作产品。

创始人兼首席执行官Craig Ganssle是谷歌眼镜的早期用户。作为消费者产品,谷歌眼镜是失败的,但是,谷歌眼镜可作为穿戴相机,并且可以在现场收集图像,这一经验激发了Ganssle。于是,他有了一个想法。如果将图像识别为基础的AI用到农耕作上,那么农民在早期就可以勘测植物病虫害。

这次不忽悠:3个成功案例告诉你,开一家AI公司其实不难

因为AI在面对非常大量的数据时,通过处理可以匹配到报警模式,然后针对尚未处理的类似数据,测试临时模式。而一旦验证,通过为其提供更多数据,可加强人工智能的模式查找方法。

最初,CAMP3面临的挑战是,如何获得足够的视觉数据,来训练旗下的人工智能产品。事实上,不仅患病害作物和作物害虫的照片相对较少,而且分散在众多机构中,也通常没有经过合适的鉴别。

“找到足够数量的玉米大斑病(NCLB)的图像,我们就花了十个月的时间。”Ganssle接着补充说,“在大型的农业大学里,有很多照片,但是,没有人把信息标记清楚。种子公司也有图片,但没有人拍过健康的玉米、患有早期玉米大斑病的玉米和患有严重玉米大斑病的玉米。”

尽管艰难,但CAMP3还是从所有可以得到照片的资源里收集照片,包括私人、教育和*的资源,然后他们自己也拍摄了很多照片。因为在这种情况下,在最一开始,训练数据可能比获取数据更容易。

视觉训练数据是一种稀缺的商品,也是一种防御性的商业资产。Ganssle表示,对于玉米大斑病、黄瓜霜霉病或者甜玉米虫害等预防事物的早期培训,最初需要“数以万计”的图像。Ganssle补充说,现在,已经训练好了的系统,只需要少之又少的图像就可以训练疾病。

CAMP3公司根据TensorFlow上的图像进行训练,而该模型首先由Google公司开发,然后进行开源。对于计算方面,Ganssle依靠Amazon Web Services和Google Compute Engine。Ganssle表示:“现在,我们可以在几个小时内,就把这台机器从‘幼儿园层次’的分析提升到‘博士层次’的分析。”

包括公司和客户所拍摄的新图片标注时间和位置信息在内,获取并正确标注数据是一个痛苦的过程,而在Ganssle看来,这带给CAMP3公司的是关键的战略资产。Ganssle表示:“获取其他人所没有的东西,并且,有计划地把这些东西组织起来,为其他走这条路的用户提供帮助。”

“有了人工智能,你永远都不会知道下一步需要解决什么问题。这可以用于思考土壤或者改变用水需求。当我们看新事物的时候,或者开始进行预测建模的时候,这些将是我们可以采纳并接受的大量数据。”

探索数据的连接 Explore Your Data Adjacencies

TalkIQ是一家监控销售和客户服务电话的公司,致力于将话语变成文本,然后实时扫描这些词汇中的关键字和模式,以预测公司是否即将取得成功——一种全新的销售,一个快乐的客户。

这次不忽悠:3个成功案例告诉你,开一家AI公司其实不难

一位前eBay的执行官和企业家Jack Abraham创立了ZenReach,一家连接线上和线下商务的凤凰公司(部分业务通过广泛的呼叫中心),而这是该公司的前身。

Abraham表示:“我一直在想,如果我可以听懂客户要求的一切,我就可以获取公司的真正核心。”这就像是“为什么一个代表能完成电话内容的50%,而另一个则只能完成25%?”两者的区别。

他们意识到,这些电话产生的数据可以提高ZenReach的表示,但也可以为其他公司提供新业务培训等服务。TalkIQ公司总部设在旧金山,花了两年时间才建成。数据科学家检查了公司五十万个对话,均来自基于计算机的ZenReach手机系统。

与CAMP3公司一样,这项挑战的一部分是正确地标注信息——例如:在嘈杂的房间中进行的会话,有时通过连接不顺畅电话进行的会话——并标记产品名称、功能和竞争对手等内容。TalkIQ公司采用可以理解自然语言的自动语音识别和算法,而不是利用其它工具。

该公司首席执行官Dan O'Connell表示,由于产品和人际交往变化比生物学的发展要快得多,因此TalkIQ公司的训练语料库几乎需要不间断地进行预测。 “每个预测都取决于准确的信息,”Dan O’Connell表示,“同时,你必须注意‘过度配置’,或者,建立的模型过于复杂,使得噪声对结果有同数据一样的影响。”

作为与ZenReach的邻接,TalkIQ还必须针对个人客户和垂直行业的需求进行调整。该产品于1月份公开用于商业;而根据Abraham所言,现在已经有27家公司支付该服务费用。“如果我们是对的,这将是未来所有公司的运行模式。”

专注客户体验 Focus on Customer Experience

去年三月,位于丹佛的Blinker公司,在科罗拉多州推出了一款用于汽车买卖的移动APP。客户需要拍摄车辆的尾部,而在上传图像的时间内,车辆的年份、制作和模型以及转售价值将得以被识别。通过该APP提供汽车、寻求再融资和保险,将会更为简单。

这次不忽悠:3个成功案例告诉你,开一家AI公司其实不难

能够很容易识别出车辆价值的人工智能看上去像是一场魔术。事实上,该过程利用TensorFlow以及Google Vision API来识别车辆。Blinker公司与提供机动车辆数据的第三方达成协议,一旦识别出车牌号,Blinker公司就可以从文件获取其它信息(如果可能的话,机器还可以检查可用的图像数据)。

Blinker公司已经为其部分业务申请了专利权,但该公司的创始人兼首席执行官Rod Buscher认为,他的真正优势是他自己在汽车经销商业务方面的44年经历。“不管你做什么,你还是在销售汽车,”Rod Buscher表示,“而人们忘记了这种感觉,但是购买汽车的痛苦依旧存在着。”

他提到Beepi,一种在早期就尝试了P2P在线销售汽车的模式。他指出, “凭借一个伟大的概念和聪明的员工,就筹集了1.5亿美元。但是,Beepi仍然失去了一切。而Blinker成功的关键是掌握知识:我有一个来自汽车销售行业的专家团队。”

言下之意,汽车销售更多需要采取与在线销售汽车相关联的广告和多点过程,并为客户提供快速响应的行动。如果该车正在销售,Blinker公司的标志将会覆盖该许可证号码,从而为卖方保证隐私(Blinker公司利用免费广告进行覆盖)。

Blinker公司希望在未来几年内走向国际;他们拥有人工智能领域的专家,他们的系统接受了至少70000张汽车图像的训练。甚至这些活动也都有人工参与——结果在亚马逊公司的Mechanical Turk上进行了验证。

(Amazon Mechanical Turk是一个Web服务应用程序接口(API),开发商通过它可以将人的智能整合到远程过程调用(RPC)。Amazon Mechanical Turk利用人的网络来执行不适合计算机执行的任务。亚马逊调用那些计算机很难完成但“人工的人工智能”却能很容易执行的任务。执行人工智能任务(HIT)的人可能会被要求写产品描述,对移动语音搜索查询作出回应或选择某一主题的最佳照片等等。)

在人工智能工作继续进行的过程中,Rod Buscher花费了一年多的时间,引导小组关注工作情况,以及观察买卖双方如何互动(通常,他们的销售不经过Blinker公司,而这属于公司必须解决的其它问题)。

他说:“我从来不属于技术行业,但是,我逐渐意识到这的确越来越活跃,”Buscher,“你还需要知道的是,好的客户体验和坏的客户体验各是什么样的。”

单独运用一个工具——即使如人工智能这样强大的工具——也不能够决定企业的命运。随着世界的变化,深刻的真理——发掘客户知识、获取稀缺商品以及寻找可带来利润的邻接关系——都将非常重要。与以往一样,技术致力于帮助其所有者知道可以做什么,并且了解自己的市场

原文发布时间为:2017-9-6


本文作者:黄雅琦


本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

 

上一篇:高德全链路压测——语料智能化演进之路


下一篇:“SDN分析”是开启未来智能网络大门的钥匙